聶曉霞 趙佳

（石家莊理工職業(yè)學院，河北 石家莊 050081）

中醫(yī)是我國的傳統(tǒng)醫(yī)學，隨著中醫(yī)技術的發(fā)展，其在治療一些疑難雜癥上起到的作用越來越大。隨著互聯(lián)網(wǎng)技術的發(fā)展，利用機器學習技術開發(fā)中藥推薦模型，即根據(jù)患者的癥狀表現(xiàn)，快速的推薦出一組中藥組合，能夠幫助臨床中醫(yī)快速的對癥治療，提高了治療的效率。目前中藥推薦技術主要以主題模型為主，僅利用患者癥狀和中間藥的共享信息，并不能建立合理的推薦模型。因此，將中醫(yī)實體表示學習引入中藥推薦技術中，能夠很好地建模癥狀與中藥之間的關系，從而優(yōu)化中藥推薦模型的相關性能。

一、中醫(yī)知識圖譜

將豐富的中醫(yī)領域的知識以知識圖譜的形式進行呈現(xiàn)，可以為中醫(yī)醫(yī)生提供治療的便利，方便他們進行查詢和利用醫(yī)學知識，同時也能為中藥推薦技術提供數(shù)據(jù)的支持。中醫(yī)知識圖譜的建構過程一般為選擇中醫(yī)知識—本體建構—實體學習、實體抽取、實體填充—知識圖譜。中醫(yī)領域的數(shù)據(jù)獲取主要以“中藥”“疾病”為中心開展，包含了結構化、半結構化和非結構化類型等幾種。結構化類型數(shù)據(jù)包含各種形式的草藥、基因、疾病、基因-疾病關聯(lián)、基因相互作用、藥物副作用記錄以及毒性記錄等，建立了中藥與疾病之間的關系網(wǎng)絡；半結構化類型數(shù)據(jù)囊括了動植物的具體類型，每一種中藥都包含了具體的使用方法、性味歸經(jīng)、化學成分、用法用量以及臨床應用等信息；非結構化類型數(shù)據(jù)包含了疾病部分、候證部分和治法部分，對于每個癥狀的病因、治療與康復過程等都進行了詳細的說明。只有對中醫(yī)知識圖譜中的中醫(yī)數(shù)據(jù)進行充分的了解，才能在數(shù)據(jù)抽取、統(tǒng)計、查詢中獲取中醫(yī)實體的具體表示學習內容，這對于中藥推薦技術的發(fā)展有很大的幫助作用。

二、中醫(yī)實體表示學習模型

對于中醫(yī)知識圖譜來講，圖是信息的重要載體，是機器學習模型最常用的數(shù)據(jù)類型之一。但是很多中醫(yī)知識圖譜不具有歐式的結構，很難被模型直接利用。在中醫(yī)實體表示學習中，可以對異質的節(jié)點和邊采用不同的處理方式，讓中醫(yī)實體向量表示的質量更高一些；也可以將“癥狀”與“中藥”實體進行直接的相連，在關注實體間淺層關系的同時，也要充分建模他們之間的高階聯(lián)通性。比如在中醫(yī)異質圖的構建中，可以以癥狀和重要為關聯(lián)點，構建中醫(yī)異質信息圖，將中醫(yī)知識的相關內容與已經(jīng)構建的知識圖譜進行融合，連接相關的癥狀實體，最終打造具有多個節(jié)點和邊的中醫(yī)異質圖。在模型目標函數(shù)的構建中，中醫(yī)推薦的實現(xiàn)依賴于中醫(yī)實體關聯(lián)的挖掘，比如將癥狀與中藥進行關聯(lián)。在構建目標函數(shù)的過程中，一定要將不同的節(jié)點與邊進行相互關聯(lián)，同時構建性能完善的激活函數(shù)，設計針對節(jié)點的權重數(shù)據(jù)，將向量逐元素相乘，最終形成中醫(yī)實體表示的學習模型。

三、中醫(yī)實體表示的主題模型的中藥推薦

我們都知道在中藥材推薦任務上，中醫(yī)學仍面臨一些挑戰(zhàn)，比如中藥配伍原則很難準確的利用模型刻畫治療的過程；與西醫(yī)不同，中醫(yī)認為患者的一系列臨床癥狀都是相互依存的，獨立對患者建立某種癥狀與中藥的模型是不恰當?shù)模瑫r中醫(yī)藥方大都篇幅極少，包含的單詞量不多，在信息共享上做得不到位，不利于利用模型挖掘信息。為了解決上述問題，可以將中醫(yī)領域知識的主題模型用于中藥推薦中，避免傳統(tǒng)主題模型的缺點。在這種模式下，中醫(yī)實體向量表示之間是有彼此關聯(lián)的，模型在進行中藥推薦時，不僅僅是依靠共現(xiàn)信息進行建模，在很大程度上提升了模型的性能。也可以將中藥配伍信息引入所構建的模型中，進一步加強對重要的建模，使得中藥的推薦結果更符合配伍的原則，為中醫(yī)治療疑難雜癥提供更多途徑和方法，豐富臨床治療的體系。

四、融合中醫(yī)實體表示的模型

在這類模型中，主要包含“單次-主題”兩個模型，分別對應了藥方中的“癥狀”和“中藥”兩個部分。在“癥狀部分”，可以將其中一種癥狀當作觀察變量，將其中一種“疾病”當作隱變量，采用一定的參數(shù)實現(xiàn)對“疾病”主題的S維“疾病-癥狀”多項分布。同樣，在“中藥部分”，可以將其中一種中藥作為觀察變量，將其中一種“適應癥”當作隱變量，采用另外一種參數(shù)實現(xiàn)對“中藥”主題的H維“適應癥-中藥”多項分布。也可以將癥狀與中藥的向量表示融入到各個主題模型中，從而形成疾病模型的多種流程算法，實現(xiàn)對疾病的精準中藥推薦。因此，在利用中醫(yī)實體表示學習進行中藥推薦選擇時，要融合中醫(yī)藥的多種知識，強調藥物組合之間的注意事項，使得模型邏輯更符合中醫(yī)領域的知識要求，推薦結果更符合實際治療的要求。在設計好推薦模型之后，也要驗證所提出模型的有效性，對實驗進行精心的設計，充分考慮各個向量之間的關系，保證模型的實際效果，為中醫(yī)發(fā)展提供數(shù)據(jù)的支持。

結語

綜上所述，基于中醫(yī)實體表示學習的中藥推薦技術是一種新型的臨床用藥技術，可以根據(jù)患者的疾病類型和癥狀幫助他們選擇相關的中藥組合進行治療。在構建推薦模型的過程中，要利用中醫(yī)數(shù)據(jù)，深刻挖掘癥狀與中藥材的潛在關系，以基于知識圖譜的向量表示的方式支撐中藥推薦任務。為了更加貼合中醫(yī)理論的需要，也可以將中藥配伍知識融入到推薦模型中，采用多元化的模型提出中藥的推薦算法，從而保證臨床中醫(yī)用藥的準確性和安全性。